python yield 和 yield from用法总结

#例1. 简单输出斐波那契數列前 N 个数
#缺点：该函数可复用性较差，因为 fab 函数返回 None，其他函数无法获得该函数生成的数列
#要提高 fab 函数的可复用性，最好不要直接打印出数列，而是返回一个 List。
def fab1(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b,end=' ')
        a, b = b, a + b
        n = n + 1
fab1(5)

#例 2.
#缺点：该函数在运行中占用的内存会随着参数 max 的增大而增大，如果要控制内存占用，
#最好不要用 List 来保存中间结果，而是通过 iterable 对象来迭代
def fab2(max):
    n, a, b = 0, 0, 1
    L = []
    while n < max:
        L.append(b)
        a, b = b, a + b
        n = n + 1
    return L

#例3
#说明：带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，
#调用 fab(5) 不会执行 fab 函数，而是返回一个 iterable 对象！
#在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，
#下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，
#于是函数继续执行，直到再次遇到 yield。
def fab3(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        # print b
        a, b = b, a + b
        n = n + 1
f=fab3(5)
print("f是一个可迭代对象，并没有执行函数")
print(f)
print('fab3返回的是一个iterable 对象，可以用for循环获取值')
for n in f:
    print(n)

#例4：
#说明：yield from iterable本质上等于for item in iterable: yield item的缩写版    
 
def f_wrapper1(f):
    for g  in f:
        yield g
wrap = f_wrapper1(fab3(5))
for i in wrap:
    print(i,end=' ')
 
print('\n使用yield from代替for循环')
def f_wrapper2(f):
     yield from f#注意此处必须是一个可生成对象
wrap = f_wrapper2(fab3(5))
for i in wrap:
    print(i,end=' ')
print('\n---------------------')
 
 
print('yield from包含多个子程序')
def g(x):
    yield from range(x, 0, -1)
    yield from range(x)
print(list(g(5)))
for g  in g(6):
    print(g,end=',')
     
     
print('\n---------------------')  注意红色部分就是替代的部分，yield from iterable本质上等于for item in iterable: yield item的缩写版    

#例5 利用yield from语句向生成器（协程）传送数据 
#传统的生产者-消费者模型是一个线程写消息，一个线程取消息，通过锁机制控制队列和等待，但一不小心就可能死锁。
#如果改用协程，生产者生产消息后，直接通过yield跳转到消费者开始执行，待消费者执行完毕后，换回生产者继续生产，效率极高：
def  consumer_work(len):
    # 读取send传进的数据，并模拟进行处理数据
    print("writer:")
    w=''
    while True:
        w = yield w    # w接收send传进的数据,同时也是返回的数据
        print('[CONSUMER] Consuming %s...>> ', w)
        w*=len #将返回的数据乘以100
        time.sleep(0.1)  
def consumer(coro):
    yield from coro#将数据传递到协程(生成器)对象中
 
 
def produce(c):
    c.send(None)# "prime" the coroutine
    for i in range(5):
        print('[Produce] Producing %s----', i)
        w=c.send(i)#发送完成后进入协程中执行
        print('[Produce] receive %s----', w)
    c.close()
     
c1=consumer_work(100)
produce(consumer(c1))<br><br>执行结果：<br>writer:<br>[Produce] Producing %s---- 0<br>[CONSUMER] Consuming %s...>>  0<br>[Produce] receive %s---- 0<br>[Produce] Producing %s---- 1<br>[CONSUMER] Consuming %s...>>  1<br>[Produce] receive %s---- 100<br>[Produce] Producing %s---- 2<br>[CONSUMER] Consuming %s...>>  2<br>[Produce] receive %s---- 200<br>[Produce] Producing %s---- 3<br>[CONSUMER] Consuming %s...>>  3<br>[Produce] receive %s---- 300<br>[Produce] Producing %s---- 4<br>[CONSUMER] Consuming %s...>>  4<br>[Produce] receive %s---- 400<br><br>yield from一般掌握这两种用法即可；